Mandagsmødet i kædekontoret: Omsætningen i butik 14 faldt 6 procent i sidste uge. Nogen siger vejret. Nogen siger konkurrentens tilbudsavis. Nogen siger, at den nye butikschef ikke har fået personalet med. Alle har en teori, og ingen har svaret, fordi ingen ved, om der kom færre kunder ind ad døren, eller om lige så mange kom ind, men færre købte. Det er hele forskellen mellem et marketingproblem og et driftsproblem, og det er præcis det spørgsmål, retail traffic analytics findes for at besvare.
Det er let at drukne i dashboards. Erfaringen fra kæder, der får værdi ud af deres besøgsdata, er, at de arbejder disciplineret med få nøgletal og lader resten være baggrundsstøj.
Alt andet – gennemsnitlig opholdstid, capture rate fra gadetrafik, zonefordeling – er værdifuldt, men først når de fire grundtal er på plads og bliver læst hver uge af nogen med budgetansvar.
Moderne 3D-stereosensorer monteret over indgangen er standarden i dag. De tæller retning (ind/ud), kan udelukke personer under en given højde og fungerer i det meste lys. Ældre teknologier som infrarøde stråler og wifi-sporing er billigere, men wifi undertæller systematisk, fordi mange telefoner randomiserer deres adresse, og stråler kan ikke skelne to personer, der går side om side.
Om præcision skal man være ærlig. Et seriøst system garanterer kontraktligt mindst 96 procent nøjagtighed og leverer typisk 98–99 procent, når forholdene tillader det – altså ordentlig belysning, en indgang uden hyldevarer klemt ind under sensoren, og kunder, der bevæger sig nogenlunde normalt. Ingen leverandør kan love en fast procent på forhånd i en butik, de ikke har set. Det vigtige er ikke, om tallet er 97 eller 99, men at afvigelsen er konstant. En sensor, der undertæller 2 procent hver dag, giver stadig perfekte trends og hitrates. En sensor, der svinger fra 90 til 99 procent afhængigt af sollys, ødelægger sammenligninger uge for uge.
Enhver, der har implementeret kundetælling i mere end en håndfuld butikker, ved, at den største fejlkilde ikke sidder i sensoren. Den sidder i personalet. Medarbejdere, der går ud ad hovedindgangen for at hente varer, ryge, hilse på kureren eller flytte skiltet på gaden, bliver talt som kunder hver gang. I en mindre butik med tre ansatte og 200 daglige besøgende kan det være 10–15 procent af tallet, og det kommer ikke pænt fordelt over dagen – det klumper sig omkring åbning, lukning og pauser, præcis de timer hvor hitraten i forvejen ser anderledes ud.
Løsningen er dels teknisk – personaleudelukkelse via badge eller definerede zoner – dels ledelsesmæssig: bagdør til varer, tydelig besked om, at hovedindgangen er for kunder. Det andet klassiske problem er vindfang og dobbeltdøre om vinteren, hvor folk står og venter, går ind, går ud igen efter en paraply, og bliver til tre besøg. Placér sensoren ved den indre dør, ikke den ydre, og tal med leverandøren om, hvordan U-vendinger filtreres.
Besøgstal alene er interessante. Besøgstal koblet med POS-data pr. time er handlingsanvisende. Den kobling kræver, at kassesystemet kan eksportere transaktioner med tidsstempel og butiks-id, og at begge systemer bruger samme ur – et forbavsende hyppigt problem, hvor kassen står 20 minutter forkert, og hitraten i timen 12–13 ser uforklarligt høj ud.
Luksusbaby brugte VemCount til netop dette: hitrate og konvertering i realtid i stedet for som en månedsrapport. Forskellen i praksis er, at butikschefen kan se kl. 13, at der er kommet 40 procent flere ind end samme onsdag i sidste uge, men at hitraten er faldet, og reagere på det samme dag – kalde en ekstra ind, ændre bemandingen ved kassen – i stedet for at læse om det tre uger senere.
For kæder med både fysiske butikker og webshop er næste skridt at lægge onlinedata ved siden af. Daells Bolighus gjorde det som en del af en turnaround: besøgende og salg i butikkerne sammen med besøgende og salg online, på tværs af lokationer. Så kan man se, om en kampagne trak folk i butikken, men de købte på nettet bagefter – eller omvendt – og fordele markedsføringsbudgettet efter, hvor kunden faktisk konverterer, ikke hvor kampagnen blev vist.
Tre principper, som adskiller kæder, der bruger data, fra kæder, der har data:
De fleste kæder stopper ved indgangstælling, og det er fint i det første år. Men to udvidelser ændrer, hvilke beslutninger man kan tage. Den første er demografi: sensorer, der anonymt estimerer alder og køn på besøgende. Værdien ligger i afstemningen mod marketing. Hvis kampagnen er rettet mod kvinder 25–40, og butikken faktisk besøges af en helt anden gruppe, spilder man enten mediebudgettet eller har et sortimentsproblem – og nu kan man finde ud af hvilket.
Den anden er bevægelse i butikken. VemTrack tilføjer kunderejse- og bevægelsesanalyse, herunder AI-baseret Re-ID, så man kan følge en anonym besøgende fra indgang gennem zoner til kasse eller ud igen uden køb. Det svarer på spørgsmålet, indgangstællingen ikke kan: Hvor i butikken taber vi dem? En zone med høj trafik og lav konvertering er et udstillingsproblem. En zone, ingen når frem til, er et layoutproblem. Det er to helt forskellige investeringer, og man vil gerne vide hvilken, før man bygger om.
Vælg tre til fem butikker med forskellig profil, kør minimum otte uger, og beslut på forhånd, hvilket spørgsmål piloten skal besvare – typisk om bemandingen matcher trafikken, eller om en konkret kampagne trak flere ind. Sørg for, at POS-integrationen er på plads fra dag ét, ikke i fase to. Og lad butikscheferne se deres egne tal fra første uge; de finder fejlkilderne (den kollega, der altid går ud ad fordøren) hurtigere end nogen konsulent.
Vil du vide, hvordan besøgstal, hitrate og bemandingsdata bør sættes op i netop jeres butikker – og hvilke fejlkilder I skal have styr på, før tallene bliver troværdige? Kontakt Vemco Group her, og lad os tage udgangspunkt i jeres indgange, jeres kassesystem og de beslutninger, I faktisk skal træffe på mandagsmødet.